複雜場景中運動目標檢測與識別方法研究

《複雜場景中運動目標檢測與識別方法研究》是依託浙江大學，由李志華擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：複雜場景中運動目標檢測與識別方法研究
• 依託單位：浙江大學
• 項目負責人：李志華
• 項目類別：青年科學基金項目

項目摘要

隨著視頻監控需求的迅速增長、監控規模的日益擴大，人工監視已遠遠不能滿足監控要求，深入開展智慧型視頻分析算法研究有著非常重要的工程價值與理論指導意義，複雜動態場景中的智慧型視頻分析更是近年來的研究熱點和難點。本申請課題將針對複雜場景中運動目標檢測與識別所存在的問題與不足，研究複雜動態場景下快速的連續運動檢測方法、運動目標實時跟蹤方法、目標自動識別分類技術及高層智慧型視頻分析處理技術。通過對場景動態區域進行空間位置和顏色灰度建模，提高對動態隨機場景的自適應性，實現複雜場景中運動目標即時報警和運動目標區域實時提取。結合運動目標遮擋狀態的有效判定，採用基於模型動態切換的運動目標實時跟蹤方法，實現擁塞狀態下目標跟蹤的穩定性與實時性。研究有效的目標外形特徵、運動特徵提取方法和特徵權重評估方法，實現快速的目標分類及高層智慧型視頻分析功能。

結題摘要

視頻運動目標檢測與識別是計算機視覺領域的核心關鍵技術，然而由於複雜動態場景條件和目標運動的隨機性而使其在理論和套用上變得非常困難，仍然存在著許多不完善和尚待解決的問題，例如自然光照變化，動態背景，目標的旋轉、遮擋以及目標運動隨機性等影響因素。本課題深入研究了複雜動態場景下快速的連續運動檢測方法、運動目標實時跟蹤方法、目標自動分類技術及高層智慧型視頻分析處理相關技術。為了提高對動態隨機背景的自適應性，提出了基於空間位置和顏色灰度模型的快速運動目標檢測方法，通過在色度空間對動態背景區域進行差分分類，獲得了比傳統的差分檢測和非參數化模型更好的檢測精度與速度。針對目標跟蹤過程中出現的旋轉、遮擋以及目標運動隨機性等問題，提出了自適應特徵的匹配跟蹤模型，首先利用顏色、形狀和位置等快速特徵匹配構建初始目標關聯，對於處於旋轉、遮擋等複雜狀態目標採用有效的全局統計外觀特徵進行匹配，同時根據目標運動方向的變化率控制特徵匹配模型參數更新，並利用目標的運動方向及速率預測優先搜尋區域以減少目標匹配運算量，實現了複雜狀態下目標跟蹤的穩定性與實時性。為了提高目標分類的準確率，提出了連續跟蹤狀態下基於可分性特徵的目標最佳化分類方法，通過提取攝像機視角相關性小的目標長寬比、顏色均值、緊湊性、目標尺寸以及目標位置變化等可分性特徵，並利用連續跟蹤時間間隔內目標特徵匹配的最大機率決定最優分類結果，有效地提高了複雜場景中目標分類精度。結合基於空間位置和顏色灰度模型的運動目標分割，提出了攝像機鏡頭遮擋/散焦/移動檢測、遺留物品報警、區域物品保護和虛擬警戒線保護算法，通過分析監視背景圖像在一定時間間隔內的歸一化直方圖分布，剔除自然條件影響下攝像機輕微晃動和監視背景動態變化造成的誤報，並利用自適應特徵匹配跟蹤信息判定物品被長期遺留時物品所有人是否已遠離，取得了較好的檢測效果。